VALIDITAS

PENGUKURAN

PPT Asli oleh : Urip Purwono, M.S., [Link]., [Link]., Psikolog

Fakultas Psikologi Universitas Padjadjaran

Dikembangkan & Ditambahkan oleh : Dr. Weni Endahing Warni, [Link]., Psikolog
Fakultas Psikologi Universitas Hang Tuah
 “one of the major deities in the pantheon of
the psychometrician...”
(Ebel, 1961, p. 640)
"Salah satu dewa utama di jajaran psikometri ..."
(Ebel, 1961, p. 640)

 “the most fundamental consideration in

developing and evaluating tests”
(AERA, APA, NCME, 1999, p. 9)
“Pertimbangan paling mendasar dalam mengembangkan dan
mengevaluasi tes” (AERA, APA, NCME, 1999, p. 9)
HUBUNGAN ANTARA VALIDITAS
DAN RELIABILITAS
 Suatu tes yang valid pasti reliabel, sebaliknya tes yang
reliabel belum tentu valid
 Validitas ditentukan oleh besarnya proporsi sifat,
kemampuan, atau atribut stabil dalam diri individu yang
relevan dengan tujuan tes (merupakan komponen skor murni)
 Reliabilitas ditentukan oleh kecilnya komponen error yang
bersifat random atau tidak stabil dalam skor tampak.
 Jika random measurement error kecil yang berarti
pengukuran tersebut reliabel, maka reliabilitas atau
kestabilan hasil pengukuran lebih ditentukan
VALIDITAS
Sejarah: 4 Generasi
pemahaman
PRA – 1930
 Scores from a single test might be interpreted in
different ways when used for different purposes
 Metode utama: Korelasi

 Skor dari satu tes dapat diinterpretasikan dengan

cara yang berbeda ketika digunakan untuk tujuan
yang berbeda
1930 - 1952
 Watson and Forlano (1935): “Prima facie validity”
 Woody and others (1935): “Curricular validity”
 Richardson (1936): “Differential validity”
 Rulon (1946) and Mosier (1947): “Face validity”
 Greene, Jorgensen, and Gerberich (1943): “Curricular
validity”, “Statistical validity”, “Psychological validity”,
dan “Logical validity”
 Guilford (1946): “Factorial validity dan “Practical
validity”
 Cronbach (1949): “Empirical validity”, “Logical
validity”, “Factorial validity”, dan “Curricular validity”
1954 - 1984
Jenis validitas sesuai Tujuan tes:
1. to determine how an individual
would perform at present in a given Content validity
universe of situations
2. to predict an individual’s future
Predictive validity
performance on an external variable
3. to estimate an individual’s present
status on an external variable Concurrent validity
4. to infer the degree to which an
individual possesses a trait Construct validity
1985 – 1999
Periode transisi
 Menolak penggunaan modifier
 Validitas bukan properti dari tes

3 C:
1. Content-related evidence of validity
2. Criterion-related evidence of validity
3. Construct-related evidence of validity
1999 -
“Modern Theory of Validity”

 Validitas adalah suatu unitary concepts

 Semua upaya validasi adalah upaya
memvalidasikan pengukuran suatu construct
(“construct validity”)
 Tidak mengenal jenis-jenis validitas yang berbeda
antara satu dengan yang lainnya
 Validitas tidak berupa satu hitungan
 Lebih merupakan degree dan bukan all or nothing
VALIDITAS
Teori terbaru (1999/ 2014)
Definisi Validitas
 “… the degree to which evidence and theory
support the interpretations of test scores entailed
by proposed uses of the tests.”
(AERA, APA, & NCME, 1999, p. 9)

 "... sejauh mana bukti dan teori mendukung interpretasi

skor tes yang disyaratkan oleh penggunaan tes yang
diusulkan."
Definisi Validitas (continued)
 … is an integrated evaluative judgment of the
degree to which empirical evidence and
theoretical rationales support the adequacy and
appropriateness of inferences and actions based
on test scores or other modes of assessment.”
(Messick, 1989, p. 13)

...adalah penilaian evaluatif terintegrasi sejauh mana

bukti empiris dan rasional teoretis mendukung kecukupan
dan kesesuaian kesimpulan dan tindakan berdasarkan
skor tes atau mode penilaian lainnya"
 Interpretasi/
Construct Alat Ukur Hasil/Skor
Penggunaan
 Observasi

Interview

Tes & Pengukuran

Interpretasi/
Construct Asesmen
Alat Ukur Hasil/Skor
Penggunaan

Validitas

Dukungan Teori
dan
Bukti-bukti ilmiah
Beberapa Kutipan:
 “… involves an evaluation of the overall plausibility of a
proposed interpretation or use of test scores (Kane, 2003)
 It is the interpretation of test scores required by proposed
uses that are evaluated, not the test itself” (Standard, 1999)
 “ … is a matter of degree rather than all or none” (Linn,
2008)
 “ … requires multiple lines of evidence” (Sireci, 2008)

 “... melibatkan evaluasi terhadap kemungkinan keseluruhan interpretasi yang

diusulkan atau penggunaan skor tes (Kane, 2003)
 Ini adalah interpretasi skor tes yang diperlukan oleh penggunaan yang
diusulkan yang dievaluasi, bukan tes itu sendiri ”(Standar, 1999)”
 ... adalah masalah derajat daripada semua atau tidak sama sekali" (Linn, 2008)“
 ... membutuhkan banyak bukti,” (Sireci, 2008)
Validasi
 “Validation can be viewed as developing a
scientifically sound validity argument to
support the intended interpretation of test
scores and their relevance to the proposed
use” (Sireci, 2008)
 "Validasi dapat dipandang sebagai
mengembangkan argumen validitas yang
ilmiah untuk mendukung interpretasi skor tes
yang dimaksudkan dan relevansinya dengan
penggunaan yang diusulkan” (Sireci, 2008)
Sources of Validity Evidences
Evidence based
on Test Content

Evidence based
Evidence based
on the
on Response
Consequences
Processes
of Testing

Validitas

Evidence based Evidence Based

on Relations to on Internal
Other Variables Structure

(Test Standards, 1999)

 Evidence

Content validity based on Test

Content

Evidence Evidence

Predictive validity based on the

Consequences
of Testing
based on
Response
Processes

Validitas

Concurrent validity
Evidence
based on Evidence
Relations to Based on

Construct validity Other

Variables
Internal
Structure
Perubahan 2014
Evidence
based on
Test Content

Evidence Evidence
based on based on
relationship Cognitive
with criteria Processes

Validitas
Evidence
based on
Evidence
Relationship
based on
with
Response
conceptually
Processes
related
construct

Evidence
Based on
Internal
Structure

(Test Standards, 2014)

 Content validity Content-related
evidence of validity
Predictive validity Criterion-related
evidence of validity
Concurrent validity
Construct-related
Construct validity evidence of validity

1954-1984 1985-1999
Evidence
based on
Test
Content
Evidence Evidence
Evidence based on
based on
based on Test
relationsh Content
Cognitive
ip with
Processes
criteria
Evidence
based on Evidence
Validitas the
Conseque
based on
Response
nces of Processes
Testing
Evidence
based on
Validitas
Evidence
Relationship
based on
with
conceptuall Response
y related Processes
construct
Evidence
Evidence based on Evidence
Relations Based on
Based on Internal
to Other
Internal Variables Structure
Structure
2014 1999
I. Evidence Based on Test Content
(Evidensi Terkait Isi Tes) – (1)
 Penelaahan mengenai sejauh mana isi/ content dari
tes merepresentasikan construct yang diukur
 Prosedur:
Logical Analysis, dan Expert Review terhadap
 Representativeness isi tes (test spec/ blue print)
 Kesesuaian isi tes dengan definsi construct
 Relevansi, tingkat kepentingan. clarity, dan bias
dari item
Evidence Based on Test Content
(Evidensi Terkait Isi Tes) – (2)
 Kesesuaian antara isi tes dan konstruk yang diukur
 Konstruk = sifat/ kemampuan/ atribut psikologis yang
tidak teramati secara langsung dan hanya bisa
diinferensikan berdasarkan tingkah laku teramati
yang dipandang sebagai indikatornya (Supratiknya,
2014).
Evidence Based on Test Content
(Evidensi Terkait Isi Tes) – (3)
Diperoleh melalui penilaian pakar/ ahli terhadap kesesuaian antara
bagian-bagian tes yang perlu dievaluasi meliputi:
(1) Sufficiency/ kecukupan;
(2) Clarity/ kejelasan;
(3) Relevance/ relevansi;
(4) Kesesuaian item & tugas yang dipakai stimulus dalam tes
dengan definisi konstruk yang hendak diukur;
(5) Ada tidaknya bias berupa keberpihakan isi tes pada gender,
budaya, umur, atau faktor pengelompokan sosial lain
(6) Kemungkinan terjadinya konstruk “irrelevant variance”
Evidence Based on Test Content
(Evidensi Terkait Isi Tes) – (4)
Ranah isi konstruk sasaran pengukuran diidentifikasikan dengan
bantuan 3 instrumen, yaitu:
1. Menyusun tes plan, Tabel Spesifikasi, Kisi-kisi
2. Melakukan Eksplikasi Konstruk (Abstrak menjado Kongkret/
Operasional)
1) Perumusan definisi konseptual konstruk
2) Merumuskan definisi operasional konstruk  menjabarkan
konstruk sebagai konsep ke dalam serangkaian sub konsep/
komponen, serta mengidentifikasi indikator perilaku favorabel/
unfavorabel
3. Melakukan Analisis Tugas  untuk melihat perilaku kompleks
menjadi komponen pokok perilaku yang menjadi sasaran
pengukuran
II. Evidence Based on Cognitive Processes
 Penelaahan Spesifikasi Tes /Kisi-kisi sebagai indikasi
mengenai sejauh mana setiap butir soal menjaring capaian
pembelajaran yang diharapkan
 Misalnya akan mengukur memori yang merupakan bagian
dari tes kecerdasan/ intelegensi, maka ketika membuat alat
ukur tersebut, harus dapat membuktikan bahwa melibatkan
kognitif proses
 Tes bangun kubus pada subtes WU IST  ketika memutar,
membalik kubus untuk mencari kubus yang sama harus,
membayangkan kubus tersebut dalam ruang 3 dimensi 
melibatkan proses kognitif  diceitakan
 Hanya untuk tes yang melibatkan kognitif, tes kognitif.
III. Evidence Based on Response Process
Evidensi Terkait Proses Respon Subyek – (1)

 Penelaahan mengenai sejauh mana proses untuk menjawab item-item dalam tes
sesuai dengan definisi construct yang hendak diukur.
 Dalam konsep lama evidensi ini dikaitkan dengan aspek validitas konstruk
 Contoh, dalam mengerjakan typical performance test, apakah mesti sungguh2
menyatakan keadaan dirinya sebagai cerminan konstruk yang diukur/ sekedar
memberi jawaban sesuai norma yang berlaku di masyarakat  response set of
social desirability
 Prosedur:
 Interview  wawancara testi untuk mengetahui alasan jawaban tertentu terhadap
pertanyaan dalam tes
 Observasi  mengobservasi testi saat mengerjakan tes
 Thinking aloud protocol
III. Evidence Based on Response Process
Evidensi Terkait Proses Respon Subyek – (2)
Klein (1986), kecenderungan respon lain yang dapat
merugikan validitas hasil pengukuran mencakup:
1. Response set of acquiescence  kecenderungan
menyetujui item tanpa menghiraukan isinya
2. Response set of using uncertain or middle category
 kecenserungan memilih jawaban tengah yang
mencerminkan indecision atau enggan menunjukkan
sikap/ uncertainty/ sikap ragu-ragu/ sikap tidak tegas
3. Response set of using the extreme response 
kecenderungan memilih jawaban ekstrim, positif,
negative tanpa menghiraukan isi itemnya
4. Guessing  kecenderungan menebak
IV. Evidence Based on Internal Structure
Evidensi terkait Struktur Internal Tes – (1)
 Penelaahan mengenai sejauh mana komponen-komponen internal dalam
tes sesuai dengan definisi construct yang hendak diukur
 Terkait dengan konsistensi internal atau homogenitas tes, bila tinggi
menunjukkan evidensi yang kuat bahwa tes tersebut mengukur sebuah
konstruk. sesuai maksud penyusun tes.
 Jenis evidensi terkait struktur internal tes ini dikaitkan dengan salah satu
aspek validitas konstruk.
 Prosedur:
 Analisis faktor: Confirmatory Factor Analysis
 Analisis cluster
 Analisis hubungan antar item
 DIF Study  memeriksa kemungkinan terjadinya bias item sebagai
evidensi lain invaliditas
 V. Evidence based on Relationship
with conceptually related construct
 Penelahaan sejauh mana hasil yang diperoleh
berhubungan dengan hasil lain yang merupakan
nomological network dari construct yang diukur.
 Prosedur:
 Korelasi dengan kriteria eksternal (concurrent maupun
predictive)
 Analisis perbedaan kelompok
 Convergent and discriminant validity studies
 MTMM
 Studi-studi eksperimental maupun korelasional
berdasarkan nomological network construct yang diukur
VI. Evidence based on Relationship with Criteria
Evidensi terkait Hubungan antara Tes dan Tes Lain – (1)
 Penelahaan sejauh mana skor yang diperoleh berhubungan atau tidak
berhubungan dengan skor lain yang dipergunakan sebagai kriteria 
menganalisis hubungan antara skor tes dan variabel-variabel lain diluar tes itu
sendiri.
 Dalam pengertian lama jenis evidensi ini dikaitkan dengan criterion related
validity atau validitas terkait kriteria/ validitas kriteria, aspek validitas konstruk.
 Prosedur:
 Korelasi dengan kriteria eksternal (concurrent maupun predictive)
 Analisis perbedaan kelompok
 Convergent and discriminant validity studies
 MTMM
 Studi-studi eksperimental maupun korelasional berdasarkan nomological
network construct yang diukur
Faktor-faktor yang mempengaruhi
validitas
 Construct underrepresentation  kurang memadai
mewakili konstruk yang hendak diukur,
 Construct irrelevance  konstruk tidak relevan

 Menunjukkan sejauh mana kemungkinan tes tersebut

mengukur melebihi (construct irrelevance variance)
atau kurang (construct underrepresentation) dari
yang semestinya diukur (Goodwin & Leech, 2003) 
dalam pengertian lama disebut validitas isi
Unified Approach
 “These sources of evidence may illuminate different
aspects of validity, but they do not represent distinct
types of validity”.
 Validity is a unitary concept. It is the degree to which all
of the accumulated evidence supports the intended
interpretation of test scores for the intended purposes”
(Standard, 1999, p.11)

"Sumber-sumber bukti ini dapat menjelaskan berbagai aspek

validitas, tetapi sumber-sumber bukti tersebut tidak mewakili tipe
validitas yang berbeda".
“Validitas adalah konsep kesatuan. Ini adalah tingkat di mana
semua bukti yang dikumpulkan mendukung interpretasi skor tes
yang dimaksudkan untuk tujuan yang dimaksud”
Bukan Validitas
 Korelasi antara skor item dengan skor total
 Korelasi antara skor sub-test dengan skor total
 Loading factor yang signifikan

 Anastasi: Tanpa kriteria eksternal, sedikit sekali

yang kita ketahui mengenai apa yang diukur oleh
suatu tes
Validitas tidak berupa satu hitungan !
Lebih merupakan studi yang berkelanjutan dan
berlangsung secara berkesinambungan
 Misalkan kuesioner adalah sasaran tembak
seperti pada gambar berikut ini.
 Anggap bahwa pusat sasaran tembak itu
adalah target dari apa yang kita ukur.
 Jawaban tiap responden yang ditanya
menggunakan kuesioner adalah menembak
pada sasarannya.
 Jika pertanyaan/ pernyataannya baik dan
responden menjawab dengan baik pula
artinya sudah menembak tepat pada sasaran.
 Jika tidak demikian maka tembakan meleset.
 Makin banyak responden menjawab salah
(karena pertanyaan tidak jelas atau bias)
maka sasaran makin jauh.
 Pertama : menembak sasaran secara konsisten
tetapi jauh dari sasaran sebenarnya.
Hal ini disebut konsisten dan sistematis mengukur
pendapat responden dengan nilai yang salah untuk
semua responden  reliable tetapi tidak valid
(konsisten tetapi salah sasaran).
 Kedua, menebak secara acak, merata di segala tempat.
 Kadang-kadang tembakannya kena sasaran, tetapi
secara rata-rata diperoleh jawaban yang benar secara
kelompok (tetapi tidak terlalu baik untuk individu).
 Dalam hal ini, kita memperoleh estimasi yang benar
secara kelompok, tetapi tidak konsisten. Sekarang jelas
bahwa reliabilitas berkaitan langsung dengan validitas
dari apa yang diukur.
 Ketiga, menunjukkan tembakan yang menyebar dan
secara konsisten menyimpang dari sasaran  tidak
reliable dan tidak valid
 Terakhir, menunjukkan menembak sasaran secara
konsisten  reliable dan valid.
 Hasil penelitian yang valid  bila terdapat kesamaan
antara data yang terkumpul dengan data yang
sesungguhnya terjadi pada obyek yang diteliti.
 Hasil penelitian yang reliabel  bila terdapat kesamaan
data dalam waktu yang berbeda.
 Instrumen yang valid : alat ukur yang digunakan untuk
mendapatkan data (mengukur) itu valid.
 Valid berarti instrumen tersebut dapat digunakan untuk
mengukur apa yang seharusnya diukur.
Pengujian Validitas Instrumen
 Untuk mengukur sah atau valid tidaknya suatu
kuesioner.
 Pada setiap instrumen baik test maupun non test
terdapat butir-butir (item) pertanyaan atau
pernyataan.
 Suatu instrumen dikatakan valid jika pernyataan
pada instrumen mampu untuk mengungkapkan
apa yang akan diukur.
Pengujian Validitas Instrumen
Mengukur validitas dapat dilakukan dengan cara:
1. Melakukan korelasi antar skor butir pertanyaan
(indikator) dengan total skor konstruk atau variable.
uji signifikansi dilakukan dengan membandingkan r
hitung (hasil kolom Correlated Item-Total
Correlation) dengan hasil perhitungan r tabel untuk
degree of freedom (df) = n-2, dimana n adalah
jumlah sampel.
Kriteria :
butir pertanyaan/ indikator dinyatakan valid jika nilai r
hitung > r tabel
 rh
itu
ng
Melihat hasil r table -> tergantung hipotesis yang diajukan (satu arah
/one-tailed atau dua arah / two-tailed) :

Dengan n = 24 , diperoleh df = 24 – 2 = 22 -> r table sebesar 0.3438

VARIABEL HASIL R HASIL R TABEL KETERANGAN
HITUNG
X1.1 0.328 0.3438 TIDAK VALID
X1.2 0.765 0.3438 VALID
X1.3 0.425 0.3438 VALID
Pengujian Validitas Instrumen
2. Melakukan korelasi bivariate antara masing-masing skor
indikator dengan total skor konstruk/variabel
Langkah Analisis :
 Analyze -> Correlate -> Bivariate
 Isikan dalam kotak variables semua indikator konstruk X1 dan
skor total X1
 Pilih Correaltion Coefficients Pearson
 Test of Significance tergantung hipotesis Two-tailed atau One-
tailed-> OK
 Kriteria :
Sig. < = 0.05  masing-masing indikator pertanyaan dinyatakan
VALID
Dilihat dari output hasil signifkansi untuk semua indikator
menunjukan hasil yang sigfinikan ( 0.000 < 0.005) sehingga
disimpulkan bahwa masing-masing indikator pertanyaan
adalah VALID
Bagaimana hubungan antara validitas dan reliabilitas?

 Validitas
 mempermasalahkan kesesuaian
antara konsep dan kenyataan empiris
 Reliabilitas
 kesesuaian hasil-hasil pengukuran di
tingkat kenyataan empiris
 Karena itu  valid pasti reliable, tapi tidak
sebaliknya
Pengukuran
Pengukuran aspek psikologis sukar dilakukan
karena :
1. Variabel psikologis bersifat latent (tidak tampak)  tidak
dapat diukur secara langsung tetapi melalui indikator
perilaku
2. Indikator perilaku jumlahnya terbatas  pengukuran
kurang menyeluruh (kurang komprehensif)
3. Respon subjek dapat dipengaruhi variabel-variabel yang
tidak relevan, misalnya situasi, suasana hati, prosedur
4. Atribut psikologis tidak stabil (berubah- ubah)
5. Selalu mengandung error (tidak mutlak)
Pengukuran
Beberapa cara yang dapat dilakukan
untuk melakukan pengukuran psikologis
antara lain :
1. Observasi perilaku
2. Pertanyaan langsung
3. Skala
Skala Psikologi Sebagai Alat Ukur
Skala Psikologi adalah Karakteristik skala psikologis :
Kumpulan aitem/ 1. Stimulusnya tidak langsung
mengungkap atribut yang
pernyataan yang hendak diukur, melainkan
mengungkap variabel mengungkap indikator
psikologis perilaku atribut tersebut 
bersifat proyektif
2. Berisi banyak aitem.
Kesimpulan baru dapat
dicapai bila semua aitem
telah terjawab
3. Respon subjek tidak ada
benar atau salah
 Angket Skala
1. Mengungkap data 1. Mengungkap konstruk
faktual atau kebenaran psikologis
yang diketahui subjek 2. Pertanyaannya tertuju
2. Langsung terarah pada pada indikator perilaku
data yang akan 3. Subjek tidak menyadari
diungkap arah jawaban
3. Subjek tahu persis apa 4. Jawaban diberi skor
yang ditanyakan lewat proses penskalaan
4. Jawaban tidak dapat 5. Mengungkap suatu
diberi skor atribut tunggal
5. Dapat mengungkap 6. Validitas & reliabilitas
banyak hal diuji secara psikometrik
6. Validitas & reliabilitas
tidak perlu diuji
Faktor-faktor yang dapat
melemahkan validitas
 Identifikasi kawasan ukur yang tidak cukup jelas
 konsep teoretis (beserta dimensi-dimensinya)
 Operasionalisasi konsep yang tidak tepat (indikator
dari konsep teoretis)
 Penulisan aitem yang tidak mengikuti kaidah 
social desirability
 Administrasi yang tidak hati-hati  (kondisi
penampilan skala, kondisi subjek, kondisi testing)
 Pemberian skor yang tidak cermat
 Interpretasi yang keliru
Identifikasi tujuan ukur (penetapan konstruk psikologis)

Operasionalisasi konsep (indikator perilaku)

Penskalaan Pemilihan format stimulus

Penulisan aitem/soal
Review aitem

Uji coba

Analisis aitem

Seleksi aitem

Pengujian reliabilitas dan validitas

Format final
Langkah Penyusunan Skala
1. Identifikasi tujuan ukur  menetapkan variabel psikologis
yang hendak diukur dan menetapkan definisi dari
variabel psikologis tersebut
2. Perumusan indikator perilaku dari definisi variabel
psikologis yang terkait
3. Pemilihan format stimulus  metode penskalaan
4. Penulisan aitem dan review aitem
5. Uji coba
6. Analisis aitem
7. Seleksi aitem
8. Pengujian reliabilitas
9. Pengujian validitas
10. Format final
Dimensi Atribut & Indikator Perilaku
Cara mudah untuk mengidentifikasi tujuan dan
kawasan ukur  menguraikan komponen2,
aspek2, indikator2 yang ada dalam konsep
teoritik mengenai atribut yang hendak diukur
BLUE PRINT/ KISI - KISI
Adalah kerangka/ rencana penyusunan alat
ukur. Cara pembuatannya :
1. Disajikan dalam bentuk tabel
2. Memuat aspek2/ komponen2 dan proporsi
aitem dari indikator perilaku dalam setiap
aspek/ komponen
3. Mengidentifikasikan nomor dan jumlah
aitem dari masing2 aspek/ komponen yg
dibuat
Contoh Blue Print Skala Agresivitas
Indikator Aitem Aitem
favorable unfavorable JUMLAH

Perilaku

-Agresivitas 5,6,12,13, 4,7,10,15,17

verbal 18,20,21,24 19,22,26.30 20
32,36 31
-Agresivitas 1,2,9,11,16 3,8,14,27,28
PENULISAN AITEM
1. Format Aitem 2. Format Respons berupa
a. Bentuk pertanyaan pilihan jawaban sesuai
b. Bentuk pernyataan tujuan yg ingin dicapai
c. Gabungan
d. Disertai gambar/ figur Misalnya :
sbg. stimulus Tingkat kesetujuan :
STS,TS,S,SS
Yang populer : Kesesuaian perilaku :
Sangat Sesuai, Sesuai,
Bentuk pernyataan dgn Tidak Sesuai, Sangat Tdk
pilihan jawaban  Sesuai.
disajikan dlm bentuk
kalimat deklaratif
Intensitas kejadian : Selalu,
Seringkali, Kadang-kadang,
Tidak Pernah, dsbnya.
KAIDAH2 PENULISAN AITEM
1. Jangan menanyakan sesuatu yg terjadi pd masa
lampau
2. Jangan membuat pernyataan yg berupa fakta atau
semua orang setuju
3. Setiap pernyataan hanya berisi 1 ide / gagasan saja
4. Bahasa harus jelas,sederhana dan dpt dimengerti
5. Hindari pernyataan negatif ganda
6. Pernyataan harus relevan dengan tujuan pengukuran
7. Pernyataan hrs singkat, hindari penggunaan anak
kalimat
8. Hindari kata yg bersifat universal seperti: semua,
seluruh, segala, tidak seorangpun
9. Utk mengindari stereotipi jawaban, buat aitem favorable
dan unfavorable
KONTINUM
Suatu rangkaian atau deretan satuan pengukuran
yg tersusun menurut aturan tertentu dan terletak
pd suatu garis lurus.
1. Kontinum fisik : memuat ukuran2 fisik yg diperoleh
melalui skala fisik.
2. Kontinum psikis :kontinum yg dibuat atas dasar
perkiraan yg merupakan skala psikologis.
Prosedur Penskalaan
Pada dasarnya adalah penetapan besarnya
bobot / nilai skala bagi setiap pernyataan
pada suatu skala psikologik.
Pengembangan penskalaan dilakukan dgn
1. Pendekatan stimulus
2. Pendekatan respons
3. Gabungan kedua pendekatan tsb.
Pendekatan Stimulus dan
Pendekatan Respons
Pendekatan Stimulus :
Adalah metode pengembangan penskalaan yg
tujuannya adl meletakkan setiap stimulus pada
titik2 di sepanjang st. kontinum psikologis yang
bergerak dari unfavorable s/d favorable

Pendekatan Respons :
Tujuannya meletakkan kategori respons pada
titik2 di sepanjang st. kontinum psikologis yang
bergerak dari unfavorable s/d favorable
MODEL-MODEL
DAN DASAR-DASAR
PENSKALAAN
[ PSIKOMETRI ]
  Torgerson (1958)
mengemukakan adanya tiga
pendekatan utama yaitu
 pendekatan dengan metode-
PENDEKATAN metode yang berorientasi
pada subyek,
ATAU METODE  pendekatan dengan metode-
PENSKALAAN metode yang berorientasi
pada stimulus, dan
 pendekatan dengan metode-
metode yang berorientasi
pada respons.
  Kesulitan dalam skala psikologi :
SKALA PSIKOLOGI  Atribut psikologi bersifat latent
SEBAGAI ALAT  Aitem-aitem dalam skala psikologi ditulis
UKUR berdasarkan indikator keperilakuan yg
berjumlah terbatas.
 Respon yang diberikan oleh subjek
terhadap stimulus dalam skala psikologi
dipengaruhi variabel-variabel yg tidak
relevan
 Atribut psikologi yang terdapat dalam diri
manusia stabilitasnya tidak tinggi
 Interpretasi terhadap hasil ukur psikologi
hanya dapat dilakukan secara normatif
  Atribut psikologi hanya diukur sampai
tingkat ordinal, karena tidak adanya titik
ATRIBUT nol yang absolut.
PSIKOLOGI  Kategori atribut psikologi :
 Atribut kemampuan (Kognitif)
SEBAGAI OBJEK
 kemampuan yang bersifat potensial
UKUR  Kemampuan potensial umum
(inteligensi)
 Kemampuan potensial khusus (bakat)
 Kemampuan yang bersifat actual (prestasi)
 Atribut bukan kemampuan
KARAKTERISTIK  Stimulus atau aitem dalam skala psikologi
SKALA PSIKOLOGI berupa pertanyaan dan pernyataan yang
tidak langsung (indikator perilaku yang
bersangkutan)
 Atribut psikologi diungkap lewat indikator
perilaku, indikator perilaku diterjemahkan
dalam bentuk aitem.
 Respon subjek tidak diklasifikasikan
sebagai jawaban “benar” atau “salah”
TABEL PERBEDAAN SKALA DAN ANGKET

Dimensi Skala Angket

Indikator Psikologi yang Aspek diri yang dipersepsi Data faktual yang diketahui
diungkap subjek subjek

Arah pernyataan Tidak langsung Langsung

Kesadaran pada tujuan Tidak sadar Sadar
ukur

Penilaian respon Prosedur penskalaan Klasifikasi

Jumlah konstrak diungkap Satu konstrak Banyak konstrak- konstrak

Pengujian reabilitas Perlu diuji Tidak perlu diuji

Pengujian validitas Kejelasan konsep Kejelasan tujuan
Jenis data Interval Ordinal
FAKTOR-FAKTOR
YANG
MELEMAHKAN  Konsep teoritik tidak cukup dipahami
VALIDITAS  Aspek keperilakuan tidak operasional
 Penulisan aitem tidak mengikuti kaidah
 Administrasi skala tidak berhati-hati
 Penampilan skala (validitas tampang)
 Situasi ruang
 Kondisi subjek
 Pemberian skor tidak cermat
 Kekeliuran dalam interpretasi
  Sebelum melakukan  Analisis aitem
LANGKAH- pengukuran  Seleksi aitem
 Identifikasi tujuan ukur  Pengujuian reliabolitas
LANGKAH  Pembatasan kawasan  Pengujian validitas
DASAR (domain) ukur  Layout skala yang
berdasarkan konstrak menarik
KONSTRUKSI yang didefinisikan oleh
teori yang bersangkutan
 Sebelum membuat aitem
 Mengetahui indikator-
indikator perilaku dari
variabel dengan jelas
 Bentuk atau format
stimulus yang hendak
digunakan
 Sebelum melakukan
penelitian
 Adanya blue-print
 Review aitem
 Uji coba aitem
SKALA
 Skala nominal
PENGUKURAN  Skala ordinal
 Skala interval
 Skala rasio
 Tipe Skala Pengukuran

Skala Skala Skala Skala

Likert Guttman Rating Diferensial
 Skala Likert
Skala ini digunakan untuk mengukur sikap,
pendapat dan prsepsi seseorang atau kelompok
orang tentang fenomena atau gejala sosial yang
terjadi. (Iskandar, 2009:83)

  Sangat Tidak Tidak Netral Setuju Sangat

Setuju Setuju Setuju
[Link] memberikan          
pelayanan yang berkualitas

2. Perusahaan bertempat          
ditempat yang strategis

3. Jam operasi perusahaan          

tidak menyusahkan
 Skala Guttman

Menurut Djaali (2008) Skala Guttman yaitu skala

pengukuran untuk memperoleh/menginginkan tipe jawaban
responden yang tegas, seperti: jawaban benar-salah, ya-
tidak, pernah-tidak pernah, positif-negative, tinggi-rendah,
baik-buruk, dan seterusnya. Pada skala Guttman, hanya
ada dua interval, yaitu setuju dan tidak setuju.
 Rating Scale
Rating Scale merupakan data mentah yang diperoleh berupa
angka kemudian ditafsirkan dalam pengertian kualitatif.
Responden menjawab, senang atau tidak senang, setuju atau
tidak setuju, pernah atau tidak pernah adalah merupakan
data kualitatif.
 Skala Diferensial

Skala differensial digunakan untuk mengatur sikap

perbedaan simantik, responden untuk menjawab pernyataan
dalam satu garis kontinum yang bertentangan yaitu positif
negative. Data yang diperoleh biasanya data interval yang
digunakan untuk mengukur sikap seseorang atau kelompok
(Iskandar, 2009:84) .
 Skala Semantic Differential

Merupakan salah satu teknik self-report untuk

pengukuran sikap dimana subyek diminta memilih
satu kata sifat atau frase dari sekelompok pasangan
kata sifat atau pasangan frase yang disediakan yang
paling mampu menggambarkan perasaan subyek
terhadap suatu obyek.
 Bogardus Social Scale

Suatu skala yang direncanakan untuk mengukur jarak social

yang ingin dipertahankan oleh orang antara diri sendiri
dengan para anggota suku lain atau kelompok etnis lain
 Skala Thurstone

Skala Thurstone adalah skala yang disusun dengan

memilih butir yang berbentuk skala interval. Setiap butir
memiliki kunci skor dan jika diurut, kunci skor menghasilkan
nilai yang berjarak sama
Metode Penskalaan
Metode penskalaan adalah pemberian nilai-nilai
kedalam variabel-variabel yang sesuai dengan
skalanya. Terdapat dua macam metode penskalaan.

Skala Skala
Rating Rangking
Skala Skala
Rating Ranking
a. Skala a. Skala
Dikotomi Grafik
b. Skala
Kategori

c. Skala
likert b. Skala
Forced
d. Skala
Perbedaan
Sematik

e. Skala
Numerik c. Skala
komparatif
f. Skala
Konstan

g. Skala
Stepel
a. Skala Dikotomi (Dichotomus Scale)
Skala ini memberikan nilai dikotomi, misalnya nilai “ya” atau “tidak”. Tipe
data yang digunakan adalah nominal.

Apakah Anda menggunakan gadget setiap hari?

a. Ya
b. Tidak
b. Skala Kategori (Category Scale)

Skala ini memberikan nilai beberapa item untuk dipilih.

Tipe data yang digunakan untuk skala ini adalah tipe
nominal.

Pilihan pekerjaan yang akan dilaksanakan

Customer service

____ superisor

____ packed
 c. Skala Likert (Likert Scale)
Skala ini digunakan untuk mengukur respons subyek kedalam 5 poin skala
dengan interval yang sama. Tipe data yang digunakan adalah tipe interval.
d. Skala Perbedaan Semantik (Semantic Differential Scale)

Skala ini menggunakan dua buah nilai ekstrim dan subjek

diminta untuk menentukan responsnya diantara dua nilai
tersebut diruang yang disediakan yang disebut dengan ruang
semantik. Tipe data yang digunakan adalah data interval.
e. Skala Numerik (Numerical Scale)

Skala ini sama dengan skala perbedaan semantik,

hanya mengganti ruang semantik yang disediakan
dengan angka-angka numerik. Tipe data yang
digunakan adalah tipe data interval.
f. Skala Penjumlahan Tetap atau Konstan (Fixed or
Constantum Scale)
Subjek diminta untuk mendistribusikan nilai responsnya kedalam beberapa item
yang sudah disediakan dengan jumlah yang tetap. Tipe data yang digunakan adalah
tipe rasio.
g. Skala Stapel (Stapel Scale)
Skala ini dimaksudkan tidak hanya mengukur intensitas
respons dari subyek, tetapi juga arah responsnya.
Karena nilai 0 (nol) tidak disebutkan dengan eksplisit,
maka tipe data yang digunakan adalah tipe interval.
2. Skala Rangking (Ranking Scale)
Skala Perbandingan-Berpasangan (Paired-
Comparison Scale) Digunakan untuk memilih salah
satu dari dua objek secara berpasangan. Jumlah
pasangan yang ada adalah sebanyak (n x (n-1)/2)
dengan “n” adalah jumlah objek. Tipe data yang
digunakan adalah ordinal.
a. Skala Grafik (Graphic Rating Scale)

Skala ini menggunakan grafik skala dan subyek memberi

tanda pada tempat digrafik untuk respons. Tipe data yang
digunakan adalah tipe interval.
 b. Skala Ranking Dipaksakan
Skala ini mengurutkan langsung relatif satu terhadap
lainnya. Tipe data yang digunakan adalah ordinal.
c. Skala Komparatif (Comparativ Scale)

Skala ini membandingkan data standar atau

benchmark yang lainnya. Tipe data yang digunakan
adalah ordinal.
 Paired
Comparison

Komparatif Rank Order

Constant
Teknik Sum
Penskalaan
Continuous Lickert’s
Rating Scale Scale
Non-
Komparatif
Itemized Semantic
Rating Scale Differential

Staple
Paired Comparison
Manakah merek kendaraaan yang anda lebih sukai diatara
pasangan berikut ini.
Honda - Toyota
Honda – Suzuki
Honda – Daihatsu
Toyota – Suzuki
Toyota – Daihatsu
Suzuki – Daihatsu
Rank Order
Merek Ranking

Toyota

Honda

Suzuki

Daihatsu

Mitsubishi
Constant Sum
Karakteristik Segmen 1 Segmen 2 Segmen 3
Irit
Harga lebih sesuai
Nyaman
Perawatan
Harga Jual
…
Jumlah 100 100 100
Continuous rating scale
100 Sangat khawatir
Thermometer anxiety

Seberapa khawatirkah anda saat ini

(sebelum ujian disertasi/thesis)

50 -

25 -

0 Sama sekali tidak khawatir

Itemized Rating Scale
 Skala Lickert: Summative rating
1 Saya akan lebih memilih untuk membeli mobil SS S N TS STS

jenis SUV

2 Saya lebih senang mengendari modil jenis SS S N TS STS

SUV

3 Dalam hal model, mobil jenis SUV SS S N TS STS

mengungguli model lainnya

Summative Rating: Agreement
• Strongly Agree 
• Agree Strongly 
• Agree  • Agree Moderately  • Agree 
• Undecided  • Agree Slightly  • Agree 
• Undecided 
• Disagree  • Disagree Slightly  • Disagree
• Disagree Moderately  • Disagree
• Strongly • Disagree Strongly
Disagree
• Completely
Agree  • Disagree
• Agree Very Strongly 
• • Mostly Agree  Strongly 
Agree Strongly 
• Yes  • Slightly Agree  • Disagree 
• Agree  • Tend to Disagree 
• Disagree  • No • Slightly Disagree  • Tend to Agree 
• Disagree Strongly  • Mostly Disagree • Agree 
• Disagree Very Strongly • Completely • Agree Strongly
Disagree
Summative Rating: Frekwensi
• Very • Always 
• Always 
Frequently • Very • Almost Always 
• Usually 
• Frequently Frequently • To a Considerable
• About Half the
• Occasionally • Occasionally  Degree 
Time 
• Rarely  • Rarely  • Occasionally
• Seldom 
• Very Rarely • Very Rarely  • Seldom
• Never
• Never • Never

• A Great Deal  • Always 

• Often 
• Much  • Very Often 
• Sometimes 
• Somewhat  • Sometimes 
• Seldom 
• Little  • Rarely 
• Never
• Never • Never
Summative Rating:
Penting – Tidak Penting

• Very Important 
• Important 
• Moderately Important  • Very Important 
• Of Little Importance  • Moderately Important 
• Unimportant • Unimportant
Summative Rating: Kualitas

• Very Good  • Extremely Poor 

• Good  • Below Average  • Good 
• Barely Acceptable  • Average  • Fair 
• Poor  • Above Average  • Poor
• Very Poor • Excellent
Summative Rating: Likelihood

• To a Great Extent 
• Like Me  • Somewhat  • True 
• Unlike Me • Very Little  • False
• Not at All

• Almost Always True 

• Definitely  • Usually True  • True of Myself 
• Very Probably  • Often True  • Mostly True of Myself 
• Probably 
• Occasionally True  • About Halfway True of
• Possibly 
• Sometimes But Infrequently Myself 
• Probably Not 
True  • Slightly True Of Myself 
• Very Probably • Usually Not True  • Not at All True of Myself
Not • Almost Never True
Semantic Differential
Mobil merek “A”

Murah 1 2 3 4 5 6 7 Mahal

Irit 1 2 3 4 5 6 7 Boros

Modern 1 2 3 4 5 6 7 Jadul
Staple
 Mobil merek “A” -3 -2 -1 +1 +2 +3

Murah            

Irit            

Modern            
ANALISIS SOAL/ ITEM
 Analisis soal/ item dilakukan untuk mengetahui
berfungsi tidaknya sebuah soal/ item
 Analisis soal bertujuan untuk membantu
meningkatkan tes melalui revisi atau
membuang soal/ item yang tidak efektif
ANALISIS BUTIR SOAL SECARA
KUANTITATIF
• Adalah penelaahan item didasarkan pad data
empirik dari item yang bersangkutan. Data empirik
ini diperoleh dari peserta yang mengerjakan item-
item tersebut.
• Analisis/penelaahan iteml secara kuantitatif ini
dilakukan setelah soal diujikan.
• Ada 2 (dua) pendekatan dalam analisis kuantitatif,
yaitu:
1. Pendekatan secara klasikal/ tradisional (CTT)
2. Model Respon Butir (Item Response Theory)
Kegunaan Analisis Butir Soal/ Item
1. Untuk menentukan soal/ item yang cacat
atau tidak berfungsi penggunaannya
2. Untuk meningkatkan butir soal melalui
tiga komponen analisis yaitu:
a. Tingkat kesukaran,
b. Daya pembeda,
c. Pengecoh/ Distraktor soal,
1. Tingkat Kesukaran Butir Soal
 Sebuah butir mempunyai tingkat kesukaran baik, dalam arti
dapat memberikan distribusi yang menyebar, jika tidak terlalu
sukar dan tidak terlalu mudah
 Tidak ada uji signifikansi untuk tingkat kesulitan
 Pada instrumen untuk variabel terikat dituntut mempunyai
tingkat kesukaran yang memadai dalam rangka untuk
membuat variansi yang besar pada variabel terikat
 Biasanya digunakan untuk tes prestasi/ tes kognitif/ tes
potensi akademik
 Untuk Skala Sikap, digunakan untuk melihat item yang
mudah disetujui dan yang sulit disetujui.
Untuk memperoleh skor yang menyebar, nilai P harus
makin mendekati 0,5
Biasanya kriterianya adalah sebagai berikut: 0.3  P  0.7
DAYA BEDA
 Suatu butir soal/ item mempunyai daya pembeda baik jika
kelompok peserta pandai menjawab benar butir soal lebih banyak
daripada kelompok peserta tidak pandai (untuk tes kognitif)
 Sedangkan pada skala sikap, misalnya mengukur motivasi maka
akan membedakan peserta dengan kategori motivasi tinggi hingga
rendah
 Daya beda suatu butir soal dapat dipakai untuk membedakan siswa
yang pandai dan tidak pandai
 Sebagai tolok ukur pandai atau tidak pandai adalah skor total dari
sekumpulan butir yang dianalisis Tidak ada uji signifikansi untuk
daya pembeda
 Rentangan daya beda adalah -1.0 ≤ D ≤ 1.0
 Butir soal mempunyai daya pembeda baik jika D ≥ 0.30.
 Ada beberapa cara untuk mengukur daya pembeda
 Dalam penentuan layak atau tidaknya suatu item yang akan
digunakan, biasanya dilakukan uji signifikansi koefisien
korelasi pada taraf signifikansi 0,05, artinya suatu item
dianggap valid jika berkorelasi signifikan terhadap skor
total. Atau jika melakukan penilaian langsung terhadap koefisien
korelasi, bisa digunakan batas nilai minimal korelasi 0,30.
 Menurut Azwar (1999) semua item yang mencapai koefisien
korelasi minimal 0,30 daya pembedanya dianggap
memuaskan.
 Tetapi Azwar mengatakan bahwa bila jumlah item belum
mencukupi kita bisa menurunkan sedikit batas kriteria 0,30
menjadi 0,25 tetapi menurunkan batas kriteria di bawah 0,20
sangat tidak disarankan.
 Untuk pembahasan ini dilakukan uji signifikansi koefisien korelasi
dengan kriteria menggunakan r kritis pada taraf signifikansi 0,05
(signifikansi 5% atau 0,05 adalah ukuran standar yang sering
digunakan dalam penelitian)
Pengecoh/ Distraktor Butir Soal
 Pengecoh disebut berfungsi jika:
(1) dipilih oleh sebagian siswa,
(2) siswa kelompok pandai memilih lebih
sedikit daripada siswa kelompok tidak pandai
 Suatu butir soal mempunyai pengecoh yang
baik jika banyaknya siswa yang memilih
pengecoh tersebut sekurang-kurangnya
2,5% (atau 5%) dan siswa kelompok pandai
memilih lebih sedikit daripada siswa
kelompok tidak pandai
NORMA
 Ada dua macam standar yang lazim digunakan dalam
menginterpretasikan skor mentah atau skor kasar menjadi nilai atau
kategori, yaitu (a) norma relatif atau disingkat norma, dan (b) norma
absolut atau lazim disebut kriteria.
1. Norma relatif, makna skor mentah yang dicapai oleh seorang subyek
ditentukan dengan membandingkannya dengan average
performance atau kinerja rata-rata dari kelompok sebayanya.
Statistik yang dipakai sebagai ukuran rata-rata lazimnya adalah
kombinasi antara Mean dan Standard Deviation.
Dengan menggunakan norma yang merupakan average
performance dari kelompok sebayanya sebagai standar serta
berdasarkan skor yang berhasil dicapai, masing-masing subyek bisa
dinilai kepemilikannya atas atribut psikologis tertentu dengan cara
memasukkannya ke dalam salah satu kategori, misal Rendah,
Sedang, Tinggi, atau kategori lain.
2. Norma absolut atau kriteria, makna skor mentah seorang
subjek ditentukan dengan membandingkannya dengan
sebuah standar yang sudah ditentukan secara apriori.
Penentuan standar ini lazimnya didasarkan pada
pertimbangan teoretis tertentu.
Penggunaan tes dengan penerapan norma absolut disebut
criterion-referenced testing atau pengetesan beracuan
patokan.
Menurut Friedenberg (1995), berdasarkan apa yang dipatok
atau dipakai sebagai patokan, penilaian beracuan patokan
lazim dibedakan ke dalam tiga jenis, yaitu (a) content-
referenced scoring atau penilaian beracuan patokan materi,
(b) objective-referenced scoring atau penilaian beracuan
patokan tujuan, dan (c) pass/fail atau mastery scoring atau
penilaian beracuan lulus/ gagal atau beracuan penguasaan.